OpenAI จับมือบรอดคอมพัฒนาชิป Jalapeño: การเดิมพันเพื่อ "หลุดพ้นจากอินวิเดีย" จะสำเร็จหรือไม่?

TradingKey - เมื่อวันที่ 24 มิถุนายน ตามเวลาฝั่งตะวันออก โอเพนเอไอ ร่วมมือกับ บรอดคอม ( AVGO ) เปิดตัวชิป AI inference ที่พัฒนาขึ้นเองเป็นครั้งแรกภายใต้ชื่อ Jalapeño โดยชิปดังกล่าวใช้เวลาเพียง 9 เดือนตั้งแต่ขั้นตอนการออกแบบไปจนถึงขั้นตอนการส่งแบบเพื่อผลิต (tape-out) และแวดวงอุตสาหกรรมมองว่านี่คือ "การเคลื่อนไหวเชิงรุกที่ดุดันที่สุด" ของบริษัทเทคโนโลยีรายใหญ่ที่พยายามสลัดตนเองให้พ้นจากการพึ่งพาเอ็นวีเดีย

พริกฮาลาปิญโญคืออะไร?

Jalapeño เป็นชิปที่ได้รับการออกแบบมาโดยเฉพาะสำหรับการประมวลผลเชิงอนุมานของ AI (AI inference) โดยภายในขั้นตอนการทำงานด้านการคำนวณของ AI นั้น ประกอบด้วย 2 ขั้นตอนสำคัญ ได้แก่ 'การฝึกอบรม' (training) และ 'การประมวลผลเชิงอนุมาน' (inference) ซึ่งการฝึกอบรมจะใช้ข้อมูลจำนวนมหาศาลเพื่อ 'สอน' โมเดล ในขณะที่การประมวลผลเชิงอนุมานคือขั้นตอนที่โมเดลสร้างคำตอบหลังจากได้รับคำถามจากผู้ใช้ ทั้งนี้ ชิป Jalapeño ได้รับการพัฒนาขึ้นโดยมุ่งเป้าไปที่ขั้นตอนการประมวลผลเชิงอนุมานโดยเฉพาะ

แตกต่างจากจีพียู (GPU) อเนกประสงค์ของเอ็นวีเดีย ชิป Jalapeño ได้รับการปรับแต่งมาเพื่อสิ่งเดียวเท่านั้น นั่นคือการรันโมเดลภาษาขนาดใหญ่ได้อย่างรวดเร็วและประหยัดพลังงาน โดยไม่จำเป็นต้องแบ่งทรัพยากรไปรองรับงานด้านอื่น ๆ เช่น การเรนเดอร์กราฟิก ส่งผลให้สามารถทำงานได้อย่างมีประสิทธิภาพสูงขึ้นและลดต้นทุนสำหรับงานประมวลผลเชิงอนุมานลงได้ นอกจากนี้ ริชาร์ด โฮ หัวหน้าฝ่ายฮาร์ดแวร์ของโอเพนเอไอ เปิดเผยว่า ทีมงานได้ปรับแต่งการประมวลผลหลัก การถ่ายโอนข้อมูลหน่วยความจำ และสถาปัตยกรรมเครือข่ายอย่างลึกซึ้ง โดยมีเป้าหมายเพื่อให้การตอบกลับในทุก ๆ ครั้งของผลิตภัณฑ์อย่าง แชตจีพีที มีราคาถูกลงและรวดเร็วยิ่งขึ้น

เหตุใด OpenAI จึงต้องการพัฒนาชิปของตนเอง?

ริชาร์ด โฮ กล่าวว่า Jalapeño ช่วยให้โอเพนเอไอสามารถควบคุมกระบวนการทั้งหมดได้อย่างเบ็ดเสร็จ ตั้งแต่โมเดลไปจนถึงผลิตภัณฑ์ ตลอดจนชิปและศูนย์ข้อมูล ซึ่งหมายความว่าโอเพนเอไอไม่ได้เป็นเพียงบริษัทซอฟต์แวร์ที่เช่าพลังการประมวลผลจากเอ็นวิเดียอีกต่อไป แต่กำลังเปลี่ยนผ่านไปสู่การเป็นบริษัทโครงสร้างพื้นฐานด้านการประมวลผล

แตกต่างจากแนวทางการขยายธุรกิจของบริษัทอินเทอร์เน็ตแบบดั้งเดิม เบื้องหลัง Jalapeño มีตรรกะที่ชัดเจนคือ โมเดลที่ดีกว่าสามารถช่วยในการออกแบบชิปที่ดีกว่า ชิปที่ดีกว่าสามารถลดต้นทุนการดำเนินงานของโมเดลรุ่นถัดไป และต้นทุนที่ต่ำลงก็ส่งผลให้สามารถรองรับผู้ใช้งานและผลิตภัณฑ์ได้มากขึ้นตามมา และเมื่อวงจรการทำงานแบบปิดนี้ได้รับการจัดตั้งขึ้นจนสำเร็จ แนวคิดที่ว่าเอ็นวิเดียจะเปลี่ยนผ่านจากการเป็นซัพพลายเออร์หลักไปเป็นเพียงทางเลือกหนึ่ง ก็จะไม่ใช่เพียงแค่คำพูดที่ตื่นตระหนกเกินจริงอีกต่อไป

Jalapeño ท้าทาย Nvidia อย่างไร?

การเลือกเส้นทางอินเฟอเรนซ์ (inference) เป็นจุดเริ่มต้น แทนที่จะเปิดศึกเผชิญหน้าโดยตรงในด้านการฝึกฝนโมเดล (training) ซึ่งเป็นจุดแข็งที่สุดของอินวิเดีย (Nvidia) โอเพนเอไอ (OpenAI) ได้เลือกที่จะมุ่งเป้าไปที่สถานการณ์การใช้งานแบบอินเฟอเรนซ์ (inference) ซึ่งเป็นขั้นตอนการคำนวณเมื่อผู้ใช้ป้อนคำสั่ง (prompt) ให้กับ ChatGPT แล้วตัวโมเดลจะสร้างคำตอบกลับมา

นี่คือจุดเริ่มต้นที่เหมาะสมและนำไปใช้จริงได้มากกว่า เนื่องจากกระบวนการฝึกฝนโมเดลต้องการความหนาแน่นในการประมวลผลและความยืดหยุ่นในการใช้งานในระดับที่สูงมาก ซึ่งเป็นส่วนที่จีพียู (GPU) ของอินวิเดียมีความได้เปรียบเชิงโครงสร้าง ในทางกลับกัน กระบวนการอินเฟอเรนซ์จะรับหน้าที่จัดการกับคำขอจำนวนมหาศาลภายใต้โครงสร้างสถาปัตยกรรมโมเดลที่ถูกกำหนดไว้เรียบร้อยแล้ว จึงทำให้ชิปเฉพาะทาง (application-specific chips) สามารถก้าวข้ามขีดความสามารถของจีพียูอเนกประสงค์ทั่วไป (general-purpose GPUs) ในแง่ของประสิทธิภาพและต้นทุนได้ง่ายกว่า

ที่สำคัญยิ่งกว่านั้น ต้นทุนการประมวลผลอินเฟอเรนซ์ถือเป็นค่าใช้จ่ายรายวันอย่างต่อเนื่องสำหรับโอเพนเอไอ โดยฮ็อค แตน (Hock Tan) ซีอีโอของบรอดคอม (Broadcom) เปิดเผยว่า ต้นทุนด้านอินเฟอเรนซ์ของชิป Jalapeño อาจต่ำกว่าจีพียู AI กระแสหลักประมาณ 50% ขณะที่มีประสิทธิภาพเทียบเท่ากับชิป Blackwell ของอินวิเดีย

การออกแบบโดยใช้ AI ช่วย และเสร็จสิ้นขั้นตอนเทปเอาต์ (tape-out) ในเวลาเก้าเดือน ในขณะที่ชิประดับไฮเอนด์แบบดั้งเดิมมักใช้เวลาสองถึงสามปีตั้งแต่ขั้นตอนการออกแบบสถาปัตยกรรมไปจนถึงการเทปเอาต์ (tape-out) แต่ชิป Jalapeño สามารถบรรลุผลสำเร็จนี้ได้ในเวลาเพียงเก้าเดือนเท่านั้น

ปัจจัยสำคัญเบื้องหลังความสำเร็จนี้คือการที่โอเพนเอไอได้นำโมเดลของตนเองมาใช้เพื่อเร่งกระบวนการทำงานในการออกแบบชิป ทำให้ในปัจจุบัน AI ไม่ได้เป็นเพียงผู้บริโภคชิปอีกต่อไป แต่กำลังเริ่มทำหน้าที่ออกแบบชิปเหล่านั้นด้วย ซึ่งเป็นข้อเท็จจริงที่น่าสนใจมากพอในตัวเองอยู่แล้ว

ไม่ใช่แค่ชิปตัวเดียว แต่เป็นแผนการพัฒนาผลิตภัณฑ์ทั้งหมด Jalapeño เป็นเพียงก้าวแรกเท่านั้น เนื่องจากโอเพนเอไอและบรอดคอมได้ร่วมกันวางแผนการพัฒนาชิปหลายรุ่น โดยมีเป้าหมายที่จะจัดวางกำลังการประมวลผลของชิปสั่งทำพิเศษที่ 10 กิกะวัตต์ภายในปี 2029 ขณะเดียวกัน บรอดคอมคาดการณ์ว่ารายได้ที่เกี่ยวข้องกับ AI ของบริษัทจะทะลุ 1 แสนล้านดอลลาร์ภายในปีงบประมาณ 2027

โอเพนเอไอไม่ได้เดินตามลำพัง เนื่องจากกูเกิล (Google) ( GOOGL ), อะเมซอน (Amazon) ( AMZN ), ไมโครซอฟท์ (Microsoft) ( MSFT ), เมตา (Meta) ( META) ต่างก็กำลังพัฒนาชิปของตนเองภายในองค์กร และแอนโทรปิก (Anthropic) ก็ได้เริ่มการประเมินเพื่อพัฒนาชิปซิลิคอนแบบสั่งทำพิเศษเช่นกัน การผลักดันชิปที่ปรับแต่งได้เองนี้กำลังเปลี่ยนผ่านจากการทดลองแบบแยกส่วนของแต่ละบริษัทไปสู่แนวโน้มที่ขยายตัวในวงกว้างของอุตสาหกรรม

ความยากในการท้าทาย Nvidia อยู่ที่จุดใด?

1. ความได้เปรียบด้านขนาดของเอ็นวิเดียยังคงมหาศาล

บรอดคอมคาดว่ารายได้จากชิป AI จะทะลุ 1 แสนล้านดอลลาร์ในปีงบประมาณ 2027 ซึ่งเป็นตัวเลขที่ดูน่าประทับใจอย่างยิ่ง อย่างไรก็ตาม รายได้จากศูนย์ข้อมูลของเอ็นวิเดียในไตรมาสแรกของปีงบประมาณ 2027 เพียงไตรมาสเดียวก็สูงถึง 7.52 หมื่นล้านดอลลาร์ เพิ่มขึ้น 92% เมื่อเทียบรายปี หรือกล่าวอีกนัยหนึ่งคือ ฮาร์ดแวร์ AI ที่เอ็นวิเดียขายได้ในไตรมาสเดียวนั้นสูงกว่ารายได้จากชิป AI ที่บรอดคอมคาดการณ์ไว้สำหรับทั้งปีแล้ว ช่องว่างด้านขนาดระหว่างทั้งสองบริษัทยังคงกว้างใหญ่มาก

2. ระบบนิเวศซอฟต์แวร์ CUDA เป็นอุปสรรคที่ยากจะก้าวข้าม

ความได้เปรียบทางการแข่งขันที่แท้จริงของเอ็นวิเดียไม่ใช่ฮาร์ดแวร์ GPU แต่เป็น CUDA และระบบนิเวศซอฟต์แวร์ที่พ่วงมาด้วย ซึ่งรองรับแอปพลิเคชันมากกว่า 7,000 รายการ และได้รับการสนับสนุนจากชุดเครื่องมือ (toolchain) ที่นักพัฒนาหลายล้านคนพึ่งพามาอย่างยาวนาน

ในฐานะชิป ASIC ชิป Jalapeño ไม่รองรับ CUDA และไม่มีแผนที่จะทำให้ใช้งานร่วมกันได้ แต่ประเด็นสำคัญคือ โอเพนเอไอไม่จำเป็นต้องขาย Jalapeño ให้กับภายนอก เพียงแค่ต้องปรับปรุงประสิทธิภาพให้เหมาะสมกับเวิร์กโหลดการอนุมาน (inference workloads) ของตนเองเท่านั้น แม้ว่ากลยุทธ์นี้จะสามารถหลีกเลี่ยง CUDA ได้ แต่ก็ยังไม่เพียงพอที่จะสั่นคลอนสถานะอันโดดเด่นของ CUDA ในชุมชนผู้พัฒนา AI ในวงกว้างได้

3. กำลังการผลิตที่จำกัดในระยะสั้น เป็นเพียงส่วนเสริมมากกว่าการเข้ามาแทนที่

โอเพนเอไอระบุอย่างชัดเจนว่า Jalapeño เป็นส่วนเสริมของกำลังการประมวลผลที่มีอยู่เดิม ไม่ใช่การเข้ามาแทนที่ บร็อกแมนกล่าวอย่างตรงไปตรงมาว่า บริษัทไม่สามารถจัดหาพลังการประมวลผลได้เร็วพอ

นอกจากนี้ยังมีเบื้องหลังที่ถูกมองข้ามได้ง่าย นั่นคือ เมื่อประมาณ 9 เดือนก่อน เอ็นวิเดียเพิ่งเสร็จสิ้นการลงทุนเชิงกลยุทธ์มูลค่า 3 หมื่นล้านดอลลาร์ในโอเพนเอไอ โดยเจนเซน หวง กล่าวในขณะนั้นว่า "นี่อาจจะเป็นครั้งสุดท้าย" ซึ่งบ่งชี้ว่าเอ็นวิเดียได้คาดการณ์ถึงโครงการ Jalapeño ไว้ล่วงหน้านานแล้ว ทั้งสองฝ่ายยังคงรักษาความสัมพันธ์แบบพึ่งพาอาศัยกัน

การเดิมพันครั้งนี้จะประสบความสำเร็จในท้ายที่สุดหรือไม่?

การประเมินที่ระมัดระวังยิ่งขึ้นมองว่า ความได้เปรียบทางการแข่งขันของเอ็นวิเดียกำลังถูกกัดเซาะ แต่ก็ยังห่างไกลจากความล่มสลาย

ตลาดการอนุมาน (inference) กำลังเปลี่ยนผ่านจากการที่ GPU เป็นผู้ครองตลาด ไปสู่ภูมิทัศน์ที่มีความหลากหลายมากขึ้นซึ่ง GPU จะทำงานร่วมกับชิป ASIC ต่าง ๆ หากโรดแมปการพัฒนาชิปหลายเจเนอเรชันของโอเพนเอไอดำเนินไปอย่างราบรื่น ปริมาณงานอนุมานจะเร่งการเปลี่ยนผ่านจาก GPU ไปสู่ ASIC รวดเร็วยิ่งขึ้น อย่างไรก็ตาม สำหรับเอ็นวิเดียแล้ว กำแพงในตลาดการฝึกฝนระบบ (training) ความเหนียวแน่นของระบบนิเวศ CUDA และความได้เปรียบด้านขนาดของบริษัท ยังคงยากที่จะสั่นคลอนได้ในระยะสั้น

คำตอบที่ว่า Jalapeño จะสามารถไปได้ไกลเพียงใดในท้ายที่สุดนั้น อาจยังไม่ได้รับการเปิดเผยจนกว่าจะมีข้อมูลการใช้งานจริงในอีกสองปีข้างหน้า

คำถามที่พบบ่อย

ถาม: ชิป Jalapeño จะพร้อมใช้งานในเชิงพาณิชย์อย่างเป็นทางการเมื่อใด?

ตอบ: ปัจจุบันยังคงอยู่ในช่วงการทดสอบตัวอย่างทางวิศวกรรม โดย OpenAI คาดว่าจะเผยแพร่รายงานทางเทคนิคที่มีรายละเอียดมากขึ้นในอีกไม่กี่เดือนข้างหน้า และยังไม่มีการประกาศกรอบเวลาที่แน่ชัดสำหรับการผลิตในปริมาณมากและการนำไปใช้งานจริง

ถาม: Jalapeño จะเข้ามาแทนที่ GPU ของ Nvidia หรือไม่?

ตอบ: ไม่ใช่ในระยะสั้น OpenAI ได้ระบุอย่างชัดเจนว่านี่เป็นส่วนเสริมของกำลังการประมวลผลมากกว่าการเข้ามาแทนที่ และการฝึกฝนโมเดลพื้นฐาน (foundation models) ยุคถัดไปก็ยังคงพึ่งพา GPU ของ Nvidia เป็นอย่างมาก

ถาม: ต้นทุนการอนุมาน (inference) ของ Jalapeño สามารถลดลงได้ถึง 50% จริงหรือ?

ตอบ: ตัวเลขนี้มาจากแถลงการณ์ต่อสาธารณะของ ฮ็อค แทน (Hock Tan) ซีอีโอของ Broadcom แต่ตัวเลขดังกล่าวอิงจากตัวชี้วัดการทดสอบในระยะแรกเริ่ม และประสิทธิภาพที่แท้จริงหลังจากการผลิตในปริมาณมากในขั้นสุดท้ายยังคงต้องได้รับการตรวจสอบเพิ่มเติมต่อไป